想知道全球一周天气预报？不如问问华为云

  气象预报和每个人的生活都息息相关。如果说明天的天气会影响你穿什么衣服、去哪里，那么一周后的天气预报，可能影响你是否会出差、活动方是否适合举办大型体育赛事。

  不仅如此，中期气象预报预测还在防灾减灾中发挥重要作用，它将及时提醒哪些地方的居民需要及时避灾避险，其精准性不但影响当地经济，还涉及到数以万计的生命安全。

  相较24小时以内、局部的气象预测，中长期气象预测因为气候的变幻莫测，往往准确率会更低。传统数值预报，也就是将气象监测数据代入数学物理方程式的预测方式，也因此难以改变中长期气象预测的困境。

  正当众人纷纷探索究竟哪里是中长期气象预报的突破口时，华为云试着将这个难题抛给了AI大模型。

  近期，华为云推出了高分辨率全球AI气象预报系统：盘古气象大模型，其中长期气象预测精度超过业界基于传统数值方法的模型，预测速度提升10000倍。

▲华为云盘古大模型全球气象实时预测

  华为云盘古气象大模型是业内首个精度超过传统数值预报方法的全球AI气象预测模型。它有哪些技术优势？研发团队如何提高AI气象预测精度？AI大模型产业化已经发展到什么程度？

  带着这些问题我们和华为云人工智能领域首席科学家、IEEE Fellow、国际欧亚科学院院士田奇等专家进行了深度交流，找到了答案。

用AI预测一周后的全球天气

可靠吗？

  气象预测，其实就是预测大气运动状态以及其各类变化。影响天气变化的因素有很多种，如经纬度、地形地势、大气环流、海陆分布、洋流等。在这些影响因素中，任何一个微小的数值变化，都可能带来截然不同的结果。

  正如大家所熟知的，一只南美洲亚马逊河流域热带雨林中的蝴蝶，偶尔扇动几下翅膀，可能会在两周以后引起美国得克萨斯州的一场龙卷风。这体现了世界是一个普遍联系的有机整体，气象是全球相互关联的。

  这同样也造成了传统数值方法在中长期天气预报预测的困境，任何一点细小的数据误差，都易造成结果巨大偏差。更何况，目前科学界对大气运动规律认识有限，用于计算未来天气的各项数据难以达到最高水准。

  “当一个问题涉及非常复杂的数学机理，人们很难找到具体的方程式。同时，还涉及到大量数据时，我们认为这个问题很适合交给AI去解。”田奇说。他认为气象研究是一个很适合AI发挥相应作用的一大领域。

▲华为云人工智能领域首席科学家、IEEE Fellow、国际欧亚科学院院士田奇

  无论是传统数值方法，还是过去的AI模型都是基于局部的数据做出相应预测，但因为全球气象是互相影响的，因此对于整体气象预测而言，这两种方法的预测准确率一般都不高。

  那么，要如何打造一个可以更精准地进行全球气象预测的AI大模型呢？

  华为云研发团队首先通过全球气象数据，建立了一个精准的全球气象模型。然后，盘古大模型的研发人员通过微调的方式将当地的气象数据喂给盘古气象大模型，从而让大模型更熟悉当地的气象特征，更好地预测气象变化。

  该AI模型的水平空间分辨率达到0.25°×0.25°，约28公里x28公里，可以精准地预测细粒度气象特征。

  目前，盘古气象大模型能够提供秒级的全球气象预报，其气象预测结果包括位势、湿度、风速、温度、海平面气压等。据介绍，盘古气象大模型还可以直接应用至多个气象研究细分场景，如热带风暴预测等。

全球AI气象预报系统背后的黑科技

  为什么在过去一段时间内，全球AI气象预报模型的预测精度远低于传统的数值预报？盘古研究团队发现，主要原因有两点：

  AI气象预报模型都是基于2D神经网络，无法很好地处理不均匀的3D气象数据;

  AI在迭代的过程中会不断积累迭代误差。

  以这两点为突破口，盘古气象大模型的研究团队首先通过3D Earth-Specific Transformer的方式处理复杂的不均匀3D气象数据，提高AI大模型的预测精度。

  “简单来说，我们的世界是三维的，过去，我们是将三维的数据交给二维的神经网络来处理，所以会存在不足。具体来说，2D模型难以捕捉不同大气高度下气流团之间的相互作用，而且2D模型难以掌握一般只在3D空间中完全表述的天气过程(如辐射和对流)的规律。现在我们开始尝试用三维的神经网络去处理气象的数据，能得到更精准的结果。”田奇说道。

  他还提到未来，如果想要进一步提高AI模型的精准度，研究人员可以在三维的基础上再加上时间轴，变成四维的深度学习网络，预测结果可能会更好。

▲3D Earth-Specific Transformer架构

  同时，盘古气象大模型还通过“层次化时域聚合策略”，减少了大模型迭代误差，并减少了一定显存消耗，提升了训练效率。

  研究人员通过训练4个不同预报间隔的模型，然后用贪心算法调试这些模型，从而让预测特定时间气象情况的迭代次数最小，减少训练资源消耗，提高训练过程的稳定性。

  基于这两点为突破口，相较于其他的预测方式，盘古气象大模型在高空气象预测、地表气象预测数据方面，误差进一步降低。

  比如说，在同一高空变量Z500时，传统数值方法，以欧洲气象中心的operational IFS为代表，预测均方根误差(单位：m2/s2)为152.8和333.7，盘古气象大模型把误差减少到134.5和296.7。

  据介绍，同一预测精度下，盘古气象大模型可以预测时间范围可以延长到36小时以上。

  换句话说，在高空气象预测领域，盘古气象大模型的预测结果比传统数值预报和AI预报的预测误差分别降低了10%、30%。而同一预测精度下，盘古气象大模型能够比传统数值预报时间和AI预报的预测时间更长，当其他方法能够预测三天气象时，盘古大模型可以预测四天后甚至是五天后的气象变化。

  同时，盘古气象大模型可以更好地预测更细小的气象特征变化，从而帮助气象学家获得更准确的气象结果，以及从事相关气象研究。

 

  “这并非是盘古气象大模型的预测极限”，盘古大模型研发专家讲，“随着大模型进一步迭代，盘古气象大模型的预测精度还能够进一步提高。”

  此外，盘古气象大模型在一些极端天气、热带风暴的预测上，同样达到了更高的精度。

  据介绍，盘古气象大模型在预报2018年著名的台风康雷和玉兔时都达到了很高的准确度。特别是台风玉兔，盘古领先传统方法超过48小时，同时判断出玉兔的正确登陆地点：菲律宾马里亚纳群岛。

 

  可以看到，在优化了AI大模型的处理数据的方式后，华为云首次实现全球AI气象高精度预测。此外，当未来需要用盘古气象大模型进行区域性气象精准预测时，仅需要输入少量当地数据，即可快速得到该区域高精度气象预测的结果。

  盘古气象大模型的出现，弥补了气象预测在中长期预测的不足之处，推动了国内中长期的预测发展，实现了在该领域的“国产自研”。

大模型已走出实验室

将成为AI的“操作系统”

  目前，盘古大模型已经在电力、煤矿、医疗等多项目上逐步落地，气象领域则是盘古大模型走入的新领域之一。

  “我们也看到一些新的方向，如针对语音助手更好的对话模型、AIGC、渲染等领域。”田奇提到未来挖掘盘古大模型新的应用场景时，将会以“高价值、大场景”为主要标准。他认为大模型并非适合解决所有问题，一些细分的场景并不适合AI处理。

  “我们希望通过大模型做一个底座，在上面‘长’出很多应用。就这些场景来讲，如果解决一个场景，就可以快速到不同地方复制解决相关问题，这些就是高价值、大场景的领域，值得我们去关注。”田奇补充道。

  这样的选择标准也和近年来AI大模型的发展离不开关系。

  近年来，预训练大模型的出现让行业与AI快速结合成为了可能，企业在通用大模型的基础上进行行业知识的微调后，可以快速训练出一个好用的行业模型，支撑不同企业的个性化定制需求。这也是这几年人工智能领域一个新的动力来源。大模型也从实验室的“工具”，成为一个触手可及的服务、一项人工智能的基础设施。

 

▲AI的发展历程

  随着越来越多的AI大模型走出实验室，走入产业深处，中国信通院也在今年启动大模型系列标准编制工作，希望借此规范产业链的发展。

  华为云也参与到中国信通院的大模型标准建立工作中，加速推进人工智能实用化、通用化和普惠化发展进程。在首轮大模型测评的“模型开发”和“模型能力”两部分，华为云盘古大模型达到了当前最高级4+级标准。

  田奇提到，华为云在整合了大模型的研发和落地经验后，还组织专家团队，撰写了《预训练大模型白皮书》。“我们希望将自身对大模型的洞察毫无保留地分享给业界，通过梳理大模型的关键技术点，提供一种通用的标准，实现大模型的标准化和产业化。我们希望大模型能够逐渐成为AI的‘操作系统’，让大模型或者AI能力真正能够释放到生活中去。”

AI大模型走进产业“深水区”

  盘古气象大模型的成功，不但代表着AI大模型正在走向产业“深水区”，而且也是国内科技自立自强的的案例之一，弥补了国内在中长期气象预报的不足之处。

  通过长期基于全球天气数据训练深度神经网络模型，盘古气象大模型成为了业内首个精度超过传统数值预报方法的AI大模型。在研发过程中，华为云既有基于过去AI气象模型的思考和迭代，又基于气象数据的特征，在大模型的数据处理等环节进一步创新。

  AI大模型正成为今年最热门的话题之一。正如田奇所说，AI大模型正在成为AI的“操作系统”，在此基础上，AI大模型可以充分发挥AI的生产力，并衍生出各种不同的AI工具，推动数字化产业化转型。

  本文转载自公众号：智东西